Investment Analysis-A New Approach

iging om het leerproces te degraderen of zelfs helemaal stoppen. Dit brengt ons tot wat ik geloof is het centrale probleem van de investeringen en de portfolio-analyse-de keuze van de descriptor variabelen. Met andere woorden, welke variabelen de beweging in de aandelenkoersen te verklaren? Dit, natuurlijk, brengt ons direct terug naar de spleet tussen het bouwen van het model en het manipuleren als in het onderzoek genoemd.

Veel benaderingen vastgestelde eerder de neiging zich te concentreren op sterven manipulatie fase en laat de eerste fase, de modelbouw, als een impliciete referentie. Dit weerspiegelt ook een gebrek aan overeenstemming over een werkbare theorie van procedures aandelenmarkt en prestaties. Er is echter veel werk is gedaan met behulp van statistische technieken op het analyseren van correlaties tussen aandelen-prijzen en diverse vooraf gekozen variabelen (vooral Rayner en Little (1966)).

Alles - dit werk lijkt het centrale probleem untouched- vertrekken, een bruikbaar model is zo ver weg als ooit. Het antwoord is dat ik voel niet de toepassing één benadering star maar in een combinatie van vele technieken gebruikt op andere gebieden. Feature extractie en de cognitieve benadering in het algemeen lijken veel meer ruimte dan andere methoden te bieden bij het verstrekken van een goed begrip van het onderwerp van de investeringen als geheel. Het probleem van het bouwen van een bruikbaar model is benaderd met munt in het achterhoofd.

Er wordt verondersteld dat de gegevens van munt kan worden gemanipuleerd met een combinatorische logische werkwijze (een modificatie van Boolean algebra) zodanig dat de prestaties van COIN optimaal wordt-het vrijwel zeker nooit perfect. Marked succes geboekt met deze techniek, het succes omhoog van 35% tot maximaal zover van 70%. Dus de kwaliteit van de gegevens is verbeterd van niet erg goed om heel goed met minimale verandering. In feite enige veranderingen in de data zijn enkele correlatie tekens van de 10 variabelen gekozen achteruit (zij allen geacht positief a priori).

Echter, de techniek heeft duidelijk een maximum slagingspercentage (het is 4 bekrompen ') en nog veel meer kan worden gedaan met een set van gegevens in de weg van de algemene combinatorische functies. De aanpak kan hier worden gezien Ivakhnenko secundaire feed-back 'fit; Ik ben namelijk poging om de selectie van variabelen en hun relaties (en om aldus het model) automatisch gegeven data-base te werken maken. De toekomst is zeer helder, omdat d